Conference PaperPDF Available

Abstract and Figures

ABSTRACT This work aimed to perform a spatial behavior of the analysis of poverty in Northeastern Brazil in two periods 2000 and 2010, from the IMP calculation-Index of Poverty for each city in the region, in order to collaborate with the analysis of the spatial distribution of poverty in the Northeast. The calculation of this index allowed the creation of poverty rankings, which compared to the ranking of the Human Development Index in the cities, the same periods under review, could prove effective for measurement of spatial poverty in the region. With this, it was expected to find evidence of a pattern of spatial distribution, as well as the existence of regional poverty clusters. For this study were used in addition to income, other variables that cause human deprivation, such as education, housing and health, which makes the multidimensional work. The results showed that the measurement of poverty using multidimensional indices records a number of in the cities in abject poverty condition which when analyzed only by the one-dimensional optical and in both periods under review, poverty clusters are found in addition to that, the indices were consistent compared to the ranking of human development for spatial analysis of poverty in the Northeast.
No caption available
… 
Content may be subject to copyright.
XI ENCONTRO DE ECONOMIA BAIANA – SET. 2015
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE
BRASILEIRO: UMA APLICAÇÃO DO IMP
Eli Izidro dos Santos*
Ícaro Célio Santos de Carvalho**
Ricardo Candéa Sá Barreto***
RESUMO
Este trabalho propôs-se a realizar uma análise do comportamento espacial da pobreza na região Nordeste do
Brasil em dois períodos 2000 e 2010, a partir do cálculo do Índice Municipal de Pobreza (IMP) para cada município
da região, com a nalidade de colaborar com a análise da distribuição espacial da pobreza no Nordeste. O cálculo
deste índice permitiu a criação de rankings municipais de pobreza, que em comparação com o ranking do Índice
de Desenvolvimento Humano Municipal (IDHM), dos mesmos períodos em análise, mostraram-se ecientes para
mensuração da pobreza espacial na região. Com isto, encontram-se evidências de um padrão de espacialização, bem
como a existência de clusters de pobreza regional. Para este estudo foram utilizadas, além da renda, outras variáveis
causadoras de privações humanas, a exemplo da educação, habitação e saúde, que torna o trabalho multidimensional.
Os resultados evidenciaram que a medição da pobreza utilizando os índices multidimensionais registra um número
de municípios em condição de pobreza maior que quando é analisado apenas pela ótica unidimensional e em ambos
os períodos em analise, são encontrados clusters de pobreza, além de disso, os índices se mostraram consistentes,
em comparação com o ranking do IDHM para analise espacial da pobreza no Nordeste.
Palavras-chave: Pobreza. Multidimensional. Desenvolvimento. IDHM. Clusters.
ABSTRACT
This work aimed to perform a spatial behavior of the analysis of poverty in Northeastern Brazil in two periods 2000 and
2010, from the IMP calculation - Index of Poverty for each city in the region, in order to collaborate with the analysis of
the spatial distribution of poverty in the Northeast. The calculation of this index allowed the creation of poverty rankings,
which compared to the ranking of the Human Development Index in the cities, the same periods under review, could
prove eective for measurement of spatial poverty in the region. With this, it was expected to nd evidence of a pattern
of spatial distribution, as well as the existence of regional poverty clusters. For this study were used in addition to income,
other variables that cause human deprivation, such as education, housing and health, which makes the multidimensional
work. The results showed that the measurement of poverty using multidimensional indices records a number of in the cities
in abject poverty condition which when analyzed only by the one-dimensional optical and in both periods under review,
poverty clusters are found in addition to that, the indices were consistent compared to the ranking of human development
for spatial analysis of poverty in the Northeast.
Keywords: Poverty. Multidimensional. Development. HDI. Clusters.
* Graduado em Administração pela Faculdade Madre Thaís (FMT) e mestrando em Economia Regional e Políticas Públicas pela Universidade Estadual de
Santa Cruz (UESC). elyizidro@hotmail.com
** Graduado em Administração e mestrando em Economia Regional e Políticas Públicas pela Universidade Estadual de Santa Cruz (UESC). icarocelio@
hotmail.com
*** Pós-doutor em Economia pela Universidade Federal de Juiz de Fora (UFJF) e doutor em Economia Aplicada pela Universidade Federal de Viçosa (UFV).
Professor da Universidade Estadual de Santa Cruz (UESC). rcsbarreto@uesc.br
ECONOMIA REGIONAL252
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 253
1 INTRODUÇÃO
A região Nordeste ocupa uma área de 1.539.000 km², o que é correspondente a 18% do
território brasileiro e abriga uma população de mais de 53 milhões de pessoas, o que equivale a 28%
do total nacional. Produz cerca de 16% do Produto Interno Bruto (PIB) brasileiro e o seu PIB per
capita corresponde a 56% do PIB por habitante do Brasil. É uma região que se mostra bastante
heterogênea geograficamente, pois apresenta grande variedade de situações físico-climáticas, dentre
estas, destaca-se a zona semiárida, que ocupa cerca de 57% do território nordestino e, é
rotineiramente castigada por secas violentas, que aumenta em dobro a sua vulnerabilidade social.
Neste contexto, a pobreza e a desigualdade é uma mazela constante nos municípios dessa
importante região onde, está localizada quase a metade da população pobre do país (Instituto
Brasileiro de Geografia e Estatística (IBGE), 2011).
Apesar de nos últimos anos ter havido uma intensificação dos programas de transferência de
renda, que de acordo com os dados oficiais do governo brasileiro provocou uma elevação da renda
da população, bem como contribuiu para redução da pobreza, contudo, ainda persiste,
principalmente no Nordeste, grandes disparidades econômicas e sociais, além de um número
elevado de pobres, que conforme Oliveira (2008), é fruto de um modelo de desenvolvimento
econômico altamente concentrador e excludente. Esse alto grau de desigualdade, aliado aos baixos
níveis de renda per capta, presente na maioria dos estados nordestinos, fazem com que a região seja
detentora de elevados índices de pobreza, e consequentemente de uma baixa qualidade de vida de
sua população.
Entretanto, esta é uma noção de pobreza que leva em conta apenas uma única variável, a
renda. Porém, a compreensão acerca da pobreza tem tomado novos rumos; apesar desta não ser uma
discussão recente, os estudos unidimensionais da pobreza com base exclusivamente na renda tem
evoluído, de forma que, a maioria dos novos estudos têm incorporado outras variáveis que explicam
de forma mais elaborada esse estado de privação dos indivíduos, assim, a concepção da pobreza
baseada apenas na renda passa a ser analisada além desse horizonte, ganhando um caráter
multidimensional. Segundo Lacerda e Neder (2010), o processo de crescimento econômico que tem
ocorrido nos países em fase de desenvolvimento, principalmente, a partir da década de 1960 tem
colocado em cheque a causalidade entre o aumento de renda e a eliminação da pobreza. Desta
forma, a pobreza não pode mais ser enfrentada e muito menos analisada apenas pela ótica
unidimensional. Faz-se necessário a ampliação dos estudos sobre pobreza, a fim de entender as
necessidades básicas dos indivíduos, como nutrição, saúde, educação, habitação, entre outros.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 254
Para Ávila (2013), uma das questões a serem consideradas, dentro desse contexto, é a
espacialidade da pobreza, pois é fundamental conhecer e entender as relações que as múltiplas
dimensões da pobreza possuem no espaço, para entre outros aspectos, colaborar com a elaboração
das políticas públicas de combate a esta problemática.
Neste contexto, o índice municipal de pobreza foi calculado a partir dos dados dos Censos
Demográficos de 2000 e 2010, para os 1.794 municípios nordestino, cuja análise foi desenvolvida
através da utilização de métodos espaciais, ou seja, a Análise Exploratória de Dados Espaciais
(AEDE), com o intuito de verificar a presença de clusters de pobreza. Nesta perspectiva, este estudo
tem como objetivo geral analisar espacialmente a pobreza na região Nordeste do Brasil no período
de 2000 e 2010. E mais especificamente, pretende-se: (1) Mensurar a pobreza no Nordeste para o
período de 2000 e 2010, com base em um índice municipal de pobreza; (2) Averiguar a presença de
clusters de pobreza no Nordeste do Brasil; (3) Verificar a consistência do IMP em comparação com
o ranking do IDHM.
Além desta introdução, ainda faz parte desse artigo, o referencial teórico, que destaca
abordagens teóricas importantes a respeito do tema, o arcabouço metodológico, com ênfase nos
principais métodos utilizados para mensuração da pobreza espacial no Nordeste, bem como, as
principais fontes de dados, a discussão dos resultados da pesquisa com o cálculo do IMP, as
considerações finais e as referências.
2 REFERENCIAL TEÓRICO
Entender como a pobreza se comportou com o passar dos anos nos permite compreender
como sua concepção foi avançando. Neste sentido, a trajetória histórica explica como o contexto
social necessitou de abordagens que melhor explicasse a pobreza, assim, é possível perceber a
necessidade de expandir os estudos, de uma visão unidimensional para estudos que compreendem
outras variáveis que melhor explique a pobreza.
Algumas concepções acerca da pobreza foram desenvolvidas desde o século passado,
porém, é sabido que há uma complexa conceituação do termo devido ao seu caráter subjetivo, além
disso, o estudo pode ser concentrado de duas maneiras, a primeira sob a ótica econômica, onde é
utilizado como base somente a renda; a segunda uma análise que incorpora outras variáveis não-
econômicas, que igualmente privam o cidadão.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 255
Em termos multidimensionais, segundo Crespo e Gurovitz (2002), no último século foram
desenvolvidas três concepções gerais, (1) sobrevivência; (2) necessidades básicas e (3) privação
relativa. No primeiro caso, o enfoque é mais restritivo, e predominou nos séculos XIX e XX, teve
origem no trabalho de nutricionistas ingleses, apontava que a renda dos mais pobres não era
suficiente para a manutenção do rendimento físico do indivíduo. O segundo caso, sua expansão se
deu principalmente partir de 1970, foram incorporadas novas variáveis, como serviços de água
potável, saneamento básico, saúde, educação e cultura, para o estudo da pobreza. O terceiro e
último caso, ganha destaque a partir de 1980, dando ao conceito um enfoque mais abrangente e
rigoroso, buscando uma formulação científica e comparações entre estudos internacionais,
enfatizando o aspecto social. Essa ideia foi fortalecida pelo indiano Amartya Sen, principal
formulador desta nova concepção da pobreza, com a utilização de mais fatores que expliquem a
condição de privação do indivíduo.
Nesta lógica, segundo Kageyama e Hoffmann (2006), a noção de pobreza refere-se a algum
tipo de privação, que pode ser somente material ou incluir elementos de ordem cultural e social, em
face dos recursos disponíveis de uma pessoa ou família. Essa privação pode ser de natureza
absoluta, relativa ou subjetiva.
A distinção entre a natureza da privação pode ser compreendida por meio das discussões
conceituais de Feres e Villatoro (2013), que aponta a pobreza absoluta como a existência de um
núcleo irredutível, ou seja, independente do nível da renda das pessoas, configura-se, portanto, em
qualquer contexto, onde está relacionado à sobrevivência do indivíduo. Para Sen (2000) a
característica da “pobreza absoluta” não significa nem invariabilidade temporal ou cultural nem
concentração única em alimentos e nutrição, é um enfoque para julgar a privação em termos
absolutos em lugar de critérios relativos.
A pobreza relativa contrapõe as concepções absolutas e propõe utilizar uma perspectiva que
se refere às condições mais reais de privação, principalmente, na comparação com outros indivíduos
na sociedade. Segundo Townsend (1962), Many people have been uneasily aware of the problems
of defining necessities like housing, clothing, or fuel and light. Ou seja, os indivíduos estão em
situação de pobreza quando não têm os recursos para participar das atividades diárias em sua
sociedade, estão excluídos do estilo de vida socialmente desejável. Em relação à pobreza subjetiva,
segundo Martini (2009, p. 10),
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 256
[...] há três definições presentes nos estudos. Em primeiro lugar, pode-se considerar pobres
os indivíduos que afirmam que possuem menos recursos do que o suficiente para cobrir
suas necessidades básicas. Em segundo lugar, pode-se conciliar essa noção com o princípio
das basic needs, de modo que a pobreza é observada pela pesquisa, entre cada família da
população, a respeito de quais são as suas necessidades básicas, e comparando-se com a sua
renda real disponível. Por fim, pode-se conciliar essa noção com o conceito de pobreza
relativa. Nesse caso, ser pobre é entendido como ter um sentimento individual de possuir
menos que o necessário para cumprir os compromissos sociais vigentes, em termos
familiares, culturais e de posição social e profissional que cada indivíduo apresenta.
Nesta concepção há também a forma como o indivíduo se enxerga na sociedade, bem como,
a comparação entre a renda e o custo das necessidades básicas.
Por outro lado, os estudos acerca da pobreza foram recentemente vistos sob uma ótica
diferente da qual era aplicada no século passado e os estudos realizados nas obras de Amartya Sen
(2000) sobre o caráter dinâmico da pobreza, revelou um novo horizonte de estudos, onde outras
variáveis além da renda foram incorporadas as análises da pobreza, que são descritas como os
estudos acerca das privações das capacidades1. Segundo Sen (2000), as liberdades estreitam a noção
de pobreza sob a ótica de renda e ampliam e dinamizam os novos estudos. O conceito
multidimensional da pobreza é definido como uma ideia antiga com novos arranjos, o que
caracteriza um amplo aspecto do termo, onde são envolvidas as dimensões econômicas, sociais e
estruturais. (POGGI, 2004; CONCONI, HAM, 2007).
Outro ponto que merece destaque, nesse contexto, são as linhas de pobreza. De acordo com
o IBGE (2011), a discussão sobre os indicadores de pobreza no Brasil ainda precisa de mais
aprofundamento, pois é muito incipiente, o próprio Governo Federal utiliza-se de vários recortes
para implementação dos seus programas sociais, como é o caso da política de transferência de renda
“Bolsa Família”, que considera pobres as pessoas que auferem renda mensal de aR$ 140,00.
Contudo, existem outros indicadores como a Pesquisa dos Orçamentos Familiares (POF), que
analisam o consumo por acreditar que este é menos volátil que a renda e representa o gasto real das
famílias em alimentos e outros bens.
Assim, são muitas conceituações, no entanto não consenso entre os autores,
principalmente sobre as linhas de pobreza a ser utilizadas nos estudos. E quando se trata de estudos
multidimensionais essa tarefa se trona ainda mais difícil, pois a escolha das dimensões que será
objeto do estudo e quais as variáveis serão utilizadas, em muito depende do objetivo do estudo e do
conceito de pobreza utilizado.
Para Lacerda (2009), a grande dificuldade é encontrar um bom indicador capaz de
incorporar o lado multidimensional da pobreza. A autora destaca, ainda, que diferente do que
acontece com os estudos sobre o prisma unidimensional da renda, não existe ainda nas abordagens
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 257
multidimensionais um conjunto de medidas estabelecidas e consolidadas. Este fato ilustra
importância da utilização do IMP, que engloba no seu arcabouço a renda, a educação, a saúde e a
habitação. De acordo com Ávila (2013), apesar de utilizar dados quantitativos, este índice foca a
qualidade de vida dos indivíduos, não restringindo apenas a quantificação monetária da pobreza. O
IMP é inspirado no Índice de Pobreza Humana (IPH)2, que foi incorporado ao Relatório de
Desenvolvimento Humano do Programa das Nações Unidas Para o Desenvolvimento (PNUD), a
partir de 1997 com o objetivo específico de medir a pobreza, utilizando as mesmas variáveis do
Índice de Desenvolvimento Humano (IDH), entretanto mais focado nos mais pobres e adotando
uma perspectiva mais das privações. Tem o intuito de medir o tamanho do déficit nas mesmas
dimensões fundamentais consideradas pelo IDH. Neste sentido, ele é mais uma medida de
vulnerabilidade que propriamente de pobreza (ÁVILA, 2013; LACERDA, 2009).
Apesar das várias limitações desse tipo de metodologia, ela se mostra analiticamente bem
rica, pois além de medir a pobreza busca entendê-la, considerando dimensões mais ligadas a
qualidade de vida das pessoas. Neste sentido, a interpretação desses índices possibilita a proposição
e elaboração de políticas públicas capazes de atender, de fato, as necessidades dos indivíduos e se
mostram bem mais eficazes que os métodos que se utiliza apenas a dimensão unidimensional da
renda (PNUD, 1997).
3 METODOLOGIA
O instrumental metodológico desse artigo é composto por técnicas de distribuição espacial,
Análise Exploratória de Dados Espaciais, o Índice de Moran Global e Local, que aplicados na
análise dos Índices Municipais de Pobreza possibilitou espacializar a pobreza e a desigualdade nos
municípios da região Nordeste brasileira, sob a ótica multidimensional.
Para realização desse trabalho inicialmente, elaborou-se uma tabela com os indicadores de
privações para cada um dos municípios nordestino, para que na sequencia pudesse ser realizada os
cálculos dos referidos índices. Na continuação foi organizado o ranking dos municípios nordestino
para cada um dos índices calculados. Assim, foi realizada uma análise comparativa dos rankings,
buscando verificar a consistência dos índices como forma de justificar sua utilização na análise
espacial, neste sentido utilizou-se o ranking do Índice de Desenvolvimento Humano Municipal
(IDHM) de 2000 e 2010, divulgado através do Atlas do Desenvolvimento Humano do Brasil
(2013), divulgado pela PNUD.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 258
3. 1 Análise Exploratória de Dados Espaciais
Conforme Anselin (1988), a Análise Exploratória de Dados Espaciais (AEDE) faz uso de
dados georreferenciados e é geralmente utilizado para testar a existência de padrões espaciais, tais
como, a heterogeneidade espacial e dependência espacial, que indicam coincidência de valores
similares entre regiões vizinhas. Esta técnica leva em consideração a distribuição e o
relacionamento dos dados no espaço. A AEDE é, assim, uma metodologia útil no estudo dos
processos de difusão espacial porque identifica padrões de autocorrelação espacial, ou seja,
dependência espacial entre objetos geográficos.
Para Almeida et al. (2008), o objetivo central desse método é descrever a distribuição
espacial, os padrões de associação espacial, os possíveis clusters espaciais, verificar a existência de
diferentes regimes espaciais ou outras formas de instabilidade espacial (não-estacionariedade) e
identificar observações espaciais atípicas, os outliers. No entanto, estes autores, salientam que
para implementação da AEDE, faz-se necessário definir uma matriz de pesos espaciais (W). Essa
matriz é a forma de se expressar um determinado arranjo espacial das interações resultantes do
fenômeno a ser estudado. Segundo os autores é plausível supor que, no estudo de vários fenômenos,
regiões vizinhas tenham uma interação mais forte entre si do que regiões que não são contíguas. De
modo semelhante, regiões distantes entre si teriam uma interação menor. Neste caso, em que a
distância entre as regiões importa na definição da força da interação, seria possível construir uma
matriz W baseada na distância inversa entre as regiões, a m de capturar tal arranjo espacial da
interação. Salienta os autores que a escolha da matriz3 de pesos espaciais é muito importante em
uma AEDE, pois os resultados da análise são sensíveis a tal seleção.
Logo, diante da ideia contida na matriz de contiguidade, existência de uma maior
interação espacial entre os vizinhos do que com os mais distantes, Ávila (2013), afirma que o
resultado desta interação esperada é que os índices de pobreza de determinado município
influenciem e sejam influenciados pelos índices dos municípios com os quais fazem fronteira e, que
essa influência vá diminuindo a medida em que a distância intermunicipal aumente.
Nestes moldes, tendo em vista a existência de autocorrelação espacial, Almeida (2012)
salienta que a melhor maneira de identificá-la e testá-la é através da estatística I de Moran, que
apresenta valores que variam de -1 a 1 como medida da associação para o conjunto de dados em
análise, o que é bastante útil no estudo da região como todo. Entretanto, quando se lida com um
grande número de áreas é muito comum que ocorram diferentes regimes de aglomerações espaciais
e apareçam locais em que a dependência espacial seja mais evidente (ALMEIDA, 2012; ASSELIN,
1988).
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 259
Desta forma, inicialmente definiu-se a matriz e nível de contiguidade, para posteriormente se
proceder a análise propriamente dita, a partir da elaboração dos mapas. Assim, realizou-se o teste de
autocorrelação espacial ou I de Moran, que indicou que o uso da Rainha na primeira ordem seria o
mais indicado, pois apresentou o maior nível de contiguidade, mais próximo de 1, para ambos os
períodos e índices, e neste sentido está de acordo com os preceitos metodológicos, defendido por
Almeida (2012).
3.1.1 Índice Global de Moran
O Índice Global de Moran (I) consiste em uma medida de autocorrelação espacial que
aponta a existência ou não de agrupamentos espaciais para uma dada variável, isto é, a presença de
índices de pobreza com valores similares entre vizinhos, segundo um determinado indicador de
interesse. Esse indicador, segundo Almeida (2004) é conveniente quando se deseja uma síntese da
distribuição espacial dos dados, como é o caso da proposta ora apresentada, e serve como uma
medida alternativa de segregação.
Conforme Perobelli et al. (2008), esse índice permite verificar se os dados estão ou não
correlacionados espacialmente, indicando o nível de associação linear entre os vetores observados
no tempo t ( ) e a média ponderada dos valores vizinhos, ou lags espaciais ( ). Quando
constatados valores de I maiores do que o valor esperado, representado pela expressão I >
, tem-se a existência de autocorrelação positiva, no caso de
, tem-se autocorrelação negativa. A autocorrelação positiva evidencia a
presença de semelhanças entre as variáveis da característica estudada e a sua localização espacial.
Quando a autocorrelação espacial é negativa, há heterogeneidade entre as variáveis da característica
estudada e a sua localização espacial (ALMEIDA, 2004). Assim, o índice I de Moran é expresso em
(1):
(1)
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 260
em que: representa o vetor de observações para o ano na condição de desvio em
relação à média; simboliza a matriz de pesos espaciais, cujo os elementos na diagonal principal
são iguais a zero, enquanto os elementos apontam a forma como a região se apresenta
espacialmente conectada à região j. O termo é um escalar igual à soma de todos os elementos de
.
No presente trabalho a proposta é utilizar a estatística I de Moran calculando-se a matriz de
pesos espaciais normalizada na linha, isto é, quando a soma dos elementos de cada linha é igual a 1,
a expressão (1), pode ser reescrita da seguinte maneira:
=
(2)
Portanto, de acordo Almeida (2004), quando o I de Moran resultar em um valor próximo de
1 pode-se concluir pela presença de autocorrelação positiva (clustering), revelando, assim,
similaridade entre os dados da característica estudada. se o valor de I for >1 ter-se-á
autocorrelação negativa (outlier espacial), constatando a dissimilaridade entre os valores do atributo
estudado e da localização espacial do atributo. Porém, se o valor do I de Moran for igual a zero (0),
não existirá autocorrelação espacial entre os dados.
No entanto, o índice I de Moran é uma medida global. Dessa forma, Almeida (2004) ressalta
que não se deve confiar apenas nas estatísticas globais, porque elas por si podem ocultar ou
mascarar os padrões locais de associação espacial linear. Neste caso, a melhor saída é utilizar o
Índice Local de Moran, uma medida que permite uma melhor e mais completa avaliação da região
em estudo. Permitindo uma observação dos padrões locais de associação linearmente significantes
para o estudo.
3.1.2 Índice Local de Moran
O índice Local de Moran (ii) permite a identificação de clusters espaciais da mesma forma
exposta anteriormente para o índice global, porém com a diferença que, no índice local, a
comparação é feita não entre municípios, mas entre os indicadores locais e seus vizinhos,
verificando, desta forma, se ou não padrões de concentrações locais. Isso é possível porque o
índice de Moran apresenta um valor para cada região, permitindo a identificação de padrões
espaciais e a criação de clusters que os representam.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 261
Assim, o Indicador Local de Associação Espacial (LISA) executa a decomposição do
indicador global de autocorrelação na contribuição local de cada observação em quatro categorias,
cada uma, individualmente, correspondendo a um quadrante no diagrama de dispersão de Moran.
Desta forma calcula-se o LISA, a partir do Índice Local de Moran, expresso na seguinte forma:
(3)
Tomando a hipótese da aleatoriedade, o valor esperado da estatística I de Moran local é
fornecido por , em que é o somatório dos elementos da linha. Nesse
contexto, o diagrama de dispersão de Moran é uma das formas de interpretação da estatística de I de
Moram. De acordo com Perobelli et al. (2008), ao longo da representação do coeficiente de
regressão tem-se a possibilidade de visualizar a correlação linear entre e no gráfico que
considera as duas variáveis. Destacando o caso especifico da estatística I de Moran, tem-se o
gráfico de e z. Logo, o coeficiente I de Moran é dado pela inclinação da curva de regressão de
contra z, a qual apresentará o grau de ajustamento. Dessa forma, o gráfico de dispersão de
Moran se apresenta dividido em quatro quadrantes, que correspondem a quatro padrões de
associação local espacial, entre as regiões e seus respectivos vizinhos.
O primeiro quadrante exibe as regiões com baixos valores para a variável de interesse,
cercadas por vizinhos que apresentam valores altos, sendo classificado como Baixo-Alto (BA). No
segundo quadrante estão incluídas as regiões que apresentam altos valores para a variável em
análise, rodeadas por regiões que igualmente apresentam altos valores para a mesma variável e, é
classificado como Alto-Alto (AA). Já o terceiro quadrante é denominado Baixo-Baixo (BB), por ser
constituído por regiões cujos valores para a variável em análise são baixos e estão circundadas por
regiões, que igualmente apresentam baixos valores. O quarto quadrante é o Alto-Baixo (AB),
composto por regiões com altos valores para as variáveis de interesse, as quais apresentam-se
circundadas por regiões de baixos valores. Desta forma, apresentam autocorrelação espacial
positiva, ou seja, formam clusters de valores similares as regiões que se encontram localizadas nos
quadrantes AA (segundo) e BB (terceiro). Por outro lado, as regiões localizadas nos quadrantes BA
(primeiro) e AB (quarto) exibem autocorrelação espacial negativa, formando assim clusters com
valores dissimilares.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 262
3.2 Índice Municipal de Pobreza
É com base na metodologia para a elaboração do IPH4, e a proposta metodológica sugerida
por Ávila (2013), que foi calculado um Índice Municipal de Pobreza do Nordeste. Desta forma, são
apresentadas no quadro 1, abaixo, as dimensões e variáveis ou privações que farão parte desse
estudo. Salienta-se que a opção por estas variáveis e dimensões se deu, porque segundo os autores
consultados, a exemplo de Rocha (2013), Hoffimann (2000), Cancian et al. (2013), Barros et al.
(2006), Conconi; Han (2007), elas conseguem abranger de forma satisfatória a vida das pessoas,
além de ser bastante representativas e ademais são as três principais dimensões de elaboração da
metodologia do IPH de Anand e Sen (1997).
DIMENSÕES (D)
PRIVAÇÕES (P)
Habitação e saneamento (HS)
5 ou + moradores por domicílio (IBGE)
Com sanitário ou Sem banheiro/sanitário (IBGE)
Sem água potável (IBGE)
Sem lixo coletado (IBGE)
Sem tratamento de esgoto (IBGE)
Educação (E)
Sem instrução/fundamental incompleto (IBGE, PNUD, Fundação João
Pinheiro (FJP), Instituto de Pesquisa Economia Aplicada (IPEA)
Saúde (S)
Taxa de Mortalidade Infantil (PNUD, FJP, IPEA)
Renda (R)
Até 1/4 do salário mínimo (SM) ou Sem rendimento
(IBGE)
Quadro 1: Dimensões e variáveis do Índice Municipal de Pobreza
Fonte: Adaptado de Ávila (2013)
As privações, aqui apresentadas, já definem qual será a linha de pobreza utilizada neste
estudo. Nesta perspectiva, são considerados pobres os domicílios habitados por 5 ou mais
moradores, ou que não possuem banheiro ou sanitário, ou sem acesso à água potável, ou que não
são atendidos por serviço de coleta de lixo ou, ainda, que não possuam esgoto tratado. É pobre,
também, o domicílio cuja renda familiar mensal per capita seja de, no máximo, 1/4 do Salário
Mínimo. Esta é uma linha de pobreza utilizada como base nos principais programas sociais do
Governo. E pobres são, também os indivíduos, com 25 anos de idade ou mais, que não possuem
instrução ou que possuam, apenas, o ensino fundamental completo.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 263
Quanto a dimensão saúde, faz jus salientar que há bastante divergência na literatura, a
respeito de qual a melhor proxy a ser adotada, de acordo com Ávila (2013), as mais utilizadas,
frequentemente são a taxa de mortalidade infantil e a expectativa de vida ao nascer. E
acompanhando a literatura base, este trabalho optou-se pela Taxa de Mortalidade Infantil, pois é
bastante representativa e é tida como um bom indicador da qualidade de vida em uma região,
porque uma taxa alta de mortalidade infantil dialoga diretamente com baixos níveis de
desenvolvimento socioeconômico.
Portanto, seguindo o arcabouço metodológico, o Índice Municipal de Pobreza é apresentado
da seguinte forma:
(4)
Em que:
= dimensão a ser calculada;
= privação que compõe a variável derivada;
= número que indica a dimensão a ser calculada ( );
= número da privação que compõe a dimensão a ser calculada ( ); e
= quantidade de privações que compõem a dimensão.
Desta forma aplicando-se a média ponderada às dimensões ( ) e, reescrevendo-as:
, , e, , o índice Municipal de Pobreza assume a seguinte
expressão:
(5)
Ou seja: ;
Então, na fórmula geral, tem-se:
(6)
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 264
Em que:
= quantidade de dimensões que compõem o índice; e
= fator de ponderação do peso das dimensões que compõem o índice.
Tem-se desta forma, os três índices utilizados neste trabalho, que são assim apresentados:
α = n=4
(7)
α = n=3
(8)
α = n=1
(9)
E finalmente tem-se:
(10)
A partir do cálculo dos Índices Municipais de Pobreza (IMP)5 foi realizada a análise
comparativa dos rankings dos municípios, buscou verificar a consistência dos índices calculados
como forma de justificar sua utilização na análise espacial. E Para a verificação da consistência dos
índices, utilizou-se o ranking do Índice de Desenvolvimento Humano Municipal (IDHM) de 2000 e
2010, divulgado através do Atlas do Desenvolvimento Humano no Brasil (PNUD, IPEA, FJP,
2013).
3.3 Fonte de Dados
Para este trabalho as regiões espaciais utilizadas são os municípios nordestinos. E neste
contexto, as unidades são a quantidade de domicílios e o número de habitantes de cada município,
para composição das dimensões analisadas. Desta forma, para as dimensões habitação/saneamento e
renda a unidade de análise é o domicilio e para as dimensões saúde e educação a unidade é o
individuo.
São utilizados para este estudo os dados dos Censos de 2000 e 2010, para os 17946
municípios da região Nordeste do Brasil, obtidos através do Banco de Dados SIDRA do IBGE.
Bem como o IDHM e a Taxa de Mortalidade Infantil, cujos dados foram obtidos a partir do Atlas
do Desenvolvimento Humano para o Brasil, elaborado pelo Programa das Nações Unidas para o
Desenvolvimento (PNUD, IPEA, FJP, 2013).
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 265
4 RESULTADOS E DISCUSSÕES
Este item tem o objetivo de apresentar e discutir os principais resultados dessa pesquisa,
obtidos através do calculo dos índices, supra citados, e a utilização da Analise Exploratória de
Dados Espaciais.
4.1 Ranking dos municípios nordestinos em relação a pobreza e o desenvolvimento
Para análise dos dados, nessa subseção, foi utilizado uma mostra dos 10 municípios em pior
situação e dos 10 em melhor situação, de acordo com os índices de pobreza calculado nesse
trabalho, em relação ao IDHM. Desta forma, foram criados rankings de pobreza com os municípios
em pior situação em primeiro para todos os índices utilizados, haja vista o foco ser a questão da
pobreza.
Nesta lógica, o município que apresentou índice de pior situação de pobreza foi Senador Rui
Palmeira no estado de Alagoas, quando avaliando os IMP1 e IMP2, alcançando o índice de 72,74%
e 70,23% respectivamente, para o período de 2000. Em relação a 2010 o pior índice apresentado foi
no município de Marajá do Sena no estado do Maranhão para o IMP1, com 74, 17% e para o IMP2
com 72,48%. em relação ao IMP3 o pior resultado encontrado foi no município de Centro do
Guilherme, no Maranhão em 2000 com IMP3 de 74,08% e em 2010 o pior resultado encontrado foi
em Marajá do Sena, também no Maranhão com 70,85%. No entanto, em relação ao IDHM os piores
resultados encontrados foi no município de Guaribas no estado do Piauí com 0,214, para o ano de
2000 e no município de Fernando Falcão com 0,443 em 2010. Estes dados demonstram que houve
uma melhora substancial nos níveis de desenvolvimento de uma década para outra. Faz jus destacar
a posição de Guaribas que em 2000 ocupava o 1º lugar e em 2010 passa para 84º lugar, enquanto
que Fernando Falcão cai e sai da 5ª colocação na década anterior para ocupar a 1ª na seguinte.
Estes resultados da comparação dos rankings demonstram, ainda, a consistência dos índices
de pobreza municipal, utilizados nesse trabalho, e aponta que eles podem ser usados para estudar a
pobreza na região Nordeste, bem como a sua distribuição espacial. Entretanto, é perceptível que a
similaridade maior é entre os municípios que apresentam os 10 resultados piores, para todos os
índices, tanto em 2000 como em 2010. Além de deixar claro que os municípios menos
desenvolvidos também são os que apresentam os maiores índices de pobreza, isto fica mais evidente
no período de 2010 onde a correspondência entre o IDHM e os IMPs é em torno de 60%.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 266
Outro elemento em destaque na comparação entre os rankings é a constatação de que as
políticas somente baseadas na questão da transferência de renda não são capazes de solucionar o
problema da pobreza na região Nordeste, mesmo tendo a ciência que a renda é um elemento
importante para superação da pobreza, principalmente para aqueles que possuem renda mais baixa.
Quando se classifica os municípios por nível de pobreza em alto, médio ou baixo, (tabela 1),
percebe-se que os resultados dos índices corroboram com o que a análise dos rankings indicava
uma subestimação do número de municípios em situação de pobreza, quando se observa o problema
apenas sob o ponto de vista monetário. Mas, quando se leva em conta outras dimensões, e considera
com um alto nível de pobreza aqueles municípios onde o índice é de 50% ou mais, os resultados
apontam 1.304 municípios do Nordeste nessa situação em 2000, no IMP1, 1.241 no IMP2. Aqueles
com graduação média, de 20% a 49,99%, são 478 e 542, respectivamente, os com baixo índice de
pobreza, menores que 20%, são apenas 05 e 04. Entretanto, quando se considera somente a renda, a
maioria esmagadora, 1.530 municípios são classificados como de médio índice de pobreza,
enquanto que só 69 são considerados de baixo índice e apenas 818 municípios nordestinos são
classificados como de alto índice de pobreza.
Tabela 01 Quantidade de municípios nordestinos por grau de pobreza nos anos 2000 e 2010
Quantidade de Municípios/ 2000
Quantidade de Municípios/ 2010
Índice
Baixo Médio Alto
Baixo Médio Alto
IMP 1
05 478 1304
01 354 1439
IMP 2
04 542 1241
01 387 1406
IMP 3
69 1530 188
123 1576 95
Fonte: Elaboração própria, com base nos dados do Censo 2000 e 2010.
Em relação a 2010 (tabela 1) pode se verificar a mesma estrutura dos resultados do período
anterior. Isto ratifica ainda mais a consistência dos índices utilizados, bem como os resultados das
análises anteriores. Contudo, é perceptível o aumento da pobreza multidimensional na região,
independente do índice e intervalo analisado. Porém, quando se analisa somente a renda percebe-se
uma redução significativa nos intervalos de alta pobreza e consequentemente um aumento do nível
baixo e médio de pobreza de 69 para 123 e 1.530 para 1.576 municípios nesta condição,
respectivamente. Fato que aumenta ainda mais a disparidade entre os índices multidimensional e
unidimensional.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 267
Este fato evidencia o que órgãos de pesquisa oficiais já haviam anunciado, há diminuição da
pobreza no país. Contudo, destaca a necessidade da incorporação de outras variáveis no estudo da
pobreza que não a renda, pois fica evidente que esta acaba mascarando os resultados, apesar da
sua importância para promoção do desenvolvimento das regiões.
4.2 Análise Espacial da Pobreza no Nordeste
Esta análise permite visualizar como a pobreza, medida pelos índices aqui calculados, está
distribuída no Nordeste, possibilitando com isto que se proceda mais comparações entre a pobreza
pelo prisma multidimensional e aquele baseado apenas na renda, unidimensional. Os mapas de
distribuição da pobreza na região Nordeste para o período de 2000 (figura 1), demonstram a
existência de regiões pobres e não pobres, onde o IMP1 e IMP2 apresentam resultados muito
parecidos, enquanto que o IMP3, quando o foco é a renda, apresenta uma formatação bem diferente.
Os mapas ratificam o que os rankings, apresentados anteriormente, já haviam destacado,
porém com a diferença que aqui pode se constatar a espacialização da pobreza mostrando, também,
uma grande similaridade entre os índices IMP1 e IMP2. Verifica-se, ainda, a presença de clusters de
municípios pobres e não pobres, onde as quantidades dos intervalos7, dos mapas com índices
multidimensionais são bem semelhantes. Desta forma, no intervalo em uma situação de pobreza
intermediária estão 34 municípios. Entretanto, no mapa da pobreza unidimensional são 401
municípios. Isto demonstra uma disparidade grande entre esta dimensão e as multidimensionais.
Quando se observa os piores índices, considerando o 4º e intervalos, a disparidade ainda fica
mais evidente, o IMP3 apresenta apenas 424 municípios, enquanto que nos IMP1 e IMP2 são
registrados 1.600 e 1.615 municípios, respectivamente.
Em relação ao período de 2010 (figura 2), os mapas de distribuição espacial demonstram
que as disparidades entre os índices de pobreza multidimensionais e o indicie unidimensional
aumentou ainda mais em relação a 2000. Porém, evidenciando com mais clareza o que os rankings
haviam detectado, o aumento da pobreza multidimensional no Nordeste. Observando os mapas
multidimensionais é perceptível a igualdade dos intervalos dos municípios situados na melhor
condição de pobreza, levando em conta o 1º e 2º intervalos, registrando apenas 12 municípios nesta
condição no IMP1 e 11 no IMP2.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 268
Figura 1 Mapas de distribuição da pobreza no Nordeste/2000
Fonte: Elaboração própria a partir dos dados do Censo 2000.
Contudo, aqui também, o índice unidimensional, no intervalo dos municípios com melhor
índice de pobreza são mais expressivos, apontando 601 municípios, mostrando uma melhora
substancial dos índices de pobreza unidimensional no estado, em relação a 2000.
Quando se considera os intervalos onde se classifica os municípios em pior condição de
pobreza, outra vez levando em conta os dois últimos intervalos, 1.653 e 1.671 municípios são
elencados nesses intervalos, considerando os índices IMP1 e IMP2, respectivamente. Esses dados
apontam um ligeiro aumento na quantidade de municípios nesta condição, em torno de 9,55% em
comparação com 2000, indicando uma piora nos índices de pobreza. Entretanto, quando se analisa o
mapa unidimensional são encontrados 282 municípios nessa condição, representando uma redução
da pobreza bem acentuada, em torno de 40%, no mesmo período.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 269
Figura 2 Mapas espaciais da pobreza no Nordeste/2010.
Fonte: Elaboração própria a partir dos dados do Censo 2010.
Estes resultados, mais uma vez ratifica a melhora nas condições de pobreza, apontada pelos
órgãos de pesquisa oficiais do Governo e ao mesmo tempo corrobora com as análises realizadas
anteriormente, além de apontar uma significância dos índices utilizados neste estudo. Contudo, as
análises espaciais realizadas até o momento têm por base medidas globais e de acordo com Almeida
(2012) deve-se ter em mente que essas medidas podem mascarar a existência de associações locais.
Assim, a procura por associações locais lineares estatisticamente significantes podem ser efetuadas
com a utilização do Indicador Local de Associação Espacial - LISA.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 270
Considerando a existência de autocorrelação espacial, onde o gráfico de dispersão aponta
para a existência ou não de agrupamentos espaciais, para uma dada variável, a partir do Índice de
Moran, que quanto mais próximo de um maior o grau de autocorrelação. Esse índice permite
verificar se os dados estão ou não correlacionados espacialmente. Assim, o resultado dos gráficos
de dispersão para cada índice calculado é apresentado na tabela 2.
Tabela 2 - Índice de Moran para o IMP1, IMP2 e IMP3 do Nordeste/ 2000 e 2010.
IMP1
IMP2
IMP3
2000
0,451
0,357
0,451
2010
0,508
0,322
0,508
Fonte: Elaboração própria.
É possível perceber que os valores referentes a 2000 são menores que os valores
encontrados para 2010, no geral os índices apresentados tem um valor mais próximo de zero, o que
aponta para uma baixa autocorrelação espacial para esses anos, sendo os valores mais acentuados
situados nos anos de 2010, entretanto, esses valores não se mostraram tão díspares e aponta uma
autocorrelação maior no último período em análise.
Os resultados aqui apresentados já indicam a presença de clusters de pobreza, em ambos os
períodos analisados e para todos os índices. Contudo, a aplicação do índice local de Moran, permite
que se identifiquem os clusters (manchas de pobreza) a partir dos resultados do primeiro índice,
nesse caso, comparam-se os indicadores e seus vizinhos, assim, verifica se há concentrações
espaciais locais ou não.
Destarte, ao analisar a figura 3, percebe-se o comportamento desses índices para os anos
estudados, ao comparar somente o período de 2000, é possível observar que os IMPs 1 e 2 possuem
configuração gráfica semelhante, isso significa dizer que possuem uma concentração de clusters
formados por municípios com alta pobreza rodeados de municípios vizinhos também com alta
pobreza, no norte da região, e apresentam alguns clusters de baixa pobreza rodeados por municípios
vizinhos também com baixa pobreza mas ao sul da região Nordeste, ao se analisar somente o IMP3
percebe-se um nível maior de cluster com municípios de alta pobreza próximos de outros
municípios com alta pobreza, estando também concentrado na região norte, como os demais IMPs,
apresenta também um nível maior de cluster de municípios com baixa pobreza rodeados por
municípios com, também, baixa pobreza. Vale salientar que os municípios que aparecem sem
coloração, na representação gráfica, representam os municípios que não apresentaram níveis de
dependência entre eles, sem significância estatística, assim, foi desconsiderado para análise. Como
pode ser visto abaixo:
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 271
Figura 3 Mapas de clusters de pobreza no Nordeste/2000
Fonte: Elaboração própria a partir de dados do censo 2000.
Já no período de 2010, figura 4, percebe-se que para os IMPs 1 e 2 há uma concentração de
clusters (Alto-Alto), também na região norte, os valores são similares sendo, respectivamente, para
o IMP1 (187) e o IMP2 (179), o que significa que municípios de alta pobreza rodeados por
municípios que também possuem alta pobreza, percebe-se, também, clusters (baixo-baixo) que
apresentaram um número significativo, entretanto mais espalhado por toda a Região Nordeste. Em
relação ao IMP3, os clusters (Alto-Alto) apareceram em maior número, com concentração nas
IMP1 IMP2
IMP3
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 272
regiões norte e oeste, apresentou ainda clusters (baixo-baixo) em maior número e com concentração
nas regiões leste e sul.
IMP1 IMP2
IMP3
Figura 4 Mapas de clusters de pobreza no Nordeste/2010.
Fonte: Elaboração própria a partir de dados do censo 2010.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 273
5 CONSIDERAÇÕES FINAIS
A literatura sobre a desigualdade, pobreza e, mais recentemente, sobre a riqueza, tem
avançado muito nos últimos anos, especialmente na investigação de seus determinantes. A pobreza
e a desigualdade têm alcançado expressão na agenda política, o que naturalmente desperta maior
interesse público, contribuindo para intensificar os estudos que visam compreender a
multidimensionalidade dos fenômenos e produzir indicadores suficientemente confiáveis, que os
permitam reproduzir de forma autêntica essa problemática e, desta forma, aplicar medidas de
combate à pobreza.
O presente trabalho procurou acrescentar novos dados a essa discussão, utilizando índices
municipais de pobreza, cuja base metodológica é semelhante a utilizada para composição do IPH.
Também, lançou mão da análise de dados espaciais, a AEDE, cujo objetivo foi perceber a
espacialização da pobreza na Região Nordeste. Assim, foram utilizados os dados disponibilizados
pelo IBGE, através dos Censos de 2000 e 2010, que foi comparado ao IDHM dos mesmos períodos,
disponibilizados pela PNUD, por meio do Atlas de Desenvolvimento Humano do Brasil 2013.
Nesta lógica, a organização dos municípios em rankings de pobreza demonstrou que os
índices são consistentes para o estudo da pobreza espacial na Região. Mesmo não mostrando
grandes diferenças quando da comparação entre o IMP1, que inclui a renda no escopo, e o IMP2,
que a exclui. Entretanto, quando se compara qualquer um dos dois índices multidimensionais com o
IMP3, que é composto pela dimensão renda, apresenta varias modificações na composição dos
municípios, tanto para o período de 2000, bem como para 2010, onde as mutações foram mais
robustas. na comparação com o IDHM, os índices se mostraram como instrumentos relevantes
para estudo da pobreza e servem muito bem como base para análise espacial, pois os municípios
menos desenvolvidos, também, são aqueles classificados como os mais pobres.
A respeito da análise espacial, os resultados confirmaram a hipótese inicial do estudo,
constatando a existência de clusters de pobreza na região nordeste, independente do índice que se
utilize para fazer a sua medição. Ficou ratificado no estudo, que o número de clusters é bem maior
quando se utiliza a analise da pobreza com enfoque apenas da renda, do que com os índices
multidimensionais. Entretanto, nos mapas multidimensionais os clusters são mais numerosos e
distribuídos em várias partes da região, indicando que a pobreza com este enfoque está mais
distribuída espacialmente.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 274
Por fim, diante dos resultados encontrados, este estudo evidencia que as políticas públicas de
combate à pobreza, com foco apenas na renda, não são suficientes para combatê-la e, em muitos
casos cria uma minimização do problema, a tempo que aponta uma subestimação da pobreza e do
número de pobres, quando se utiliza apenas o enfoque unidimensional. Portanto, faz-se necessário
os governos inserirem nos seus estudos e programas de combate a pobreza, outras dimensões
causadoras de privações, além da renda, e desta forma possibilitar a criação de políticas públicas
capazes de erradicar esse mal que aflige, ainda hoje, a vida de tantas pessoas.
Como proposta futura sugerimos estender esta investigação à habitação como um todo, visto
ser entre os ativos não financeiros, aquele que maior expressão tem no patrimônio das famílias,
incluindo para além das características físicas da habitação, variáveis como infraestruturas de
acesso, equipamentos sociais, ambiente e criminalidade.
Notas:
1
Por “capacidade” entendem-se as combinações alternativas de funcionamentos de possível realização. Portanto, a
capacidade é um tipo de liberdade: a liberdade substantiva de realizar combinações alternativas de funcionamentos ou a
liberdade para ter estilos de vida diversos. Por exemplo, uma pessoa abastada que faz jejum por sua livre e espontânea
vontade pode ter a mesma realização de funcionamento que uma pessoa pobre forçada a passar fome extrema. Porém a
primeira pessoa possui um "conjunto capacitário” diferente do da segunda. A primeira pode escolher comer bem e ser
bem nutrida de um modo impossível para a segunda (CRESPO e GUROVITZ 2002).
2 O IPH é construído a partir de três variáveis: a) percentual de indivíduos suscetíveis de morrer antes dos 40 anos de
idade; b) quantidade de adultos analfabetos; e c) serviços que são ofertados pelo conjunto da economia. Esta última é
formada por três elementos: percentual de pessoas que não têm acesso à água potável, percentual de indivíduos que não
têm acesso aos serviços de saúde e percentual de crianças abaixo dos cinco anos de idade que sofrem de desnutrição.
Esse índice foi, em 1998, dividido em dois: o IPH-1, para países em desenvolvimento, e o IPH-2, para países
desenvolvidos, de forma a refletir melhor as diferentes condições existentes entre os dois grupos de países VILA,
2013; LACERDA, 2009; PNUD; 1997).
3 A rainha e a torre são os principais tipos de matrizes utilizadas. Assim, são consideradas vizinhas da unidade analisada
as áreas que se encontram a uma distância do centro do setor inferior ao tamanho do raio.
4 Para o cálculo do IPH é proposto a utilização de uma média ponderada das três dimensões básicas, a fim de
destacar a influência da dimensão com maior valor. Porém a valorização dessa influência não pode ser muito
elevada, pois causaria um mascaramento do peso das demais dimensões (ANAND; SEM, 1997); (ÁVILA,
2013).
5 Este é um índice que seu valor varia de 0 a 100, assim o valor final do IMP indica qual a proporção de pobres no
município. Desta forma, quanto mais próximo de 100 for o resultado, maior é o grau de pobreza. Neste sentido, os
municípios que obtiverem índice menor que 20% são considerados de baixa pobreza, os que alcançarem índice de 20%
a 49,99% são classificados como de média pobreza e os que galgarem índice maior que 49,99% são tidos como de alta
pobreza (ÁVILA, 2013).
6 Faz jus salientar que para o período de 2000 são utilizados apenas 1.787 municípios, pois Barrocas e Luiz Eduardo
Magalhães, na Bahia, Pau D’Arco do Piauí, Nazária e Aroeiras do Itaim, no Piauí, Jundiá, no Rio Grande do Norte e
Jequiá da Praia, em Alagoas ainda não haviam sido municipalizados neste período ou não haviam informações
disponíveis sobre os mesmos, referente as variáveis estudas.
7 O software GeoDa 9, utiliza os valores máximo e mínimo de cada ranking para determinar os intervalos de análise
que, por isso, são diferentes dos utilizados na graduação dos rankings de pobreza, que variam, conforme explicitado
anteriormente, de 0 a 100.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 275
6 REFERÊNCIAS
ALMEIDA, E. S. Curso de Econometria Espacial Aplicada. Piracicaba, 2004.
_______. Análise espacial da produtividade do setor agrícola brasileiro: 1991-2003. Nova
Economia, v. 17, n. 1, 65-91, 2008.
_______, E. S. de. Econometria Espacial Aplicada. Campinas: Alínea, 2012.
ANAND, S.; SEN, A. K. Concepts of Human Development and Poverty: a Multidimensional
Perspective. In: Human Development Papers 1997. UNDP, New York. Disponível em:
http://ias7.berkeley.edu/Academics/courses/center/fall2007/sehnbruch/UNDP%20An
and%20and%20Sen%20Concepts%20of%20HD%201997.pdf. Acesso em: out.
2014.
ANSELIN, L. Spatial Econometrics: methods and models. Kluwert Academic: Boston, 1988.
AVILA, J. F. Pobreza no Rio Grande do Sul: uma análise exploratória da sua distribuição
espacial a partir de indicadores multi e unidimensionais (Dissertação de Mestrado em Economia do
Desenvolvimento. Porto Alegre: FACE, PUCRS, 2013.
BARROS, R.; CARVALHO, M.; FRANCO, S. POBREZA MULTIDIMENSIONAL NO
BRASIL. IPEA. Rio de Janeiro, outubro de 2006.
CANCIAN, V.; VIDIGAL,V.; VIDIGAL, C. POBREZA E DESIGUALDADE DE RENDA NOS
MUNICÍPIOS DA REGIÃO SUL DO BRASIL: uma análise espacial. ANPEC. Paraná, 2013.
CHIARINI, T. Análise Espacial da Pobreza Municipal do Ceará, 1991-2000. Revista de
Economia, UFPR, v. 34, n. 2 (ano 32), p. 69-93, 2008.
CONCONI, A.; HAM, A. Pobreza Multidimensional Relativa: una aplicación a la Argentina.
CEDLAS. La plata. Agosto, 2007.
CRESPO, A.; GUROVITZ, E. A pobreza como um fenômeno multidimensional. Revista RAE. V.
1. São Paulo, 2002.
FERES, J. C.; VILLATORO, P. Cadernos de Estudos Desenvolvimento Social em Debate. N.
15. Brasília, DF: Ministério do Desenvolvimento Social e Combate à Fome, 88 p., 2013.
HOFFMANN, R. Mensuração da desigualdade e da pobreza no Brasil. In: Ricardo Henriques (org.),
Desigualdade e pobreza no Brasil. Rio de Janeiro: IPEA, 2000. p81-17.
BRASIL. Indicadores Sociais Municipais: uma análise dos resultados do universo do Censo
Demográfico 2010. Rio de Janeiro, RJ: IBGE, 2011.
KAGEYAMA, A.; HOFFMANN, R. Pobreza no Brasil: Uma perspectiva multidimensional.
São Paulo. Junho, 2006.
LACERDA, F. C. C. A Pobreza na Bahia Sobre o Prisma Multidimensional: uma análise
baseada na abordagem das necessidades básicas e na abordagem das capacitações. (Dissertação de
Mestrado em Economia), Universidade Federal de Uberlândia. Uberlândia - MG: UFU, 2009.
ANÁLISE ESPACIAL DA POBREZA NO NORDESTE BRASILEIRO: uma aplicação do IMP
Eli Izidro dos Santos; Ícaro Célio Santos de Carvalho; Ricardo Candéa Sá BarretoPoliano Silva, Ludmila Giuli Pedroso, Prof. Dr. André Maia Gomes Lages
XI ENCONTRO DE ECONOMIA BAIANA SET. 2015 ECONOMIA REGIONAL 276
LACERDA, F. C. C.; NEDER, H. D. Pobreza Multidimensional na Bahia: uma análise
fundamentada no indicador multidimensional de pobreza. Revista Desenbahia nº 13, set. 2010. Pa.
33 70.
MARTINI, R. A. Um ensaio sobre os aspectos teóricos e metodológicos da economia da
pobreza. Belo Horizonte: UFMG/Cedeplar, 2009.
OLIVEIRA, C. A. de. Análise espacial da criminalidade no Rio Grande do Sul. Revista de
Economia, v. 34, n. 3 (ano 32), p. 35-60, set./dez. Curitiba: Editora UFPR, 2008.
PEROBELLI, F. S. et al. Existe convergência espacial da produtividade agrícola no Brasil?. Rev.
Econ. Sociol. Rural, Brasília, v. 46, n. 1, Mar. 2008. Disponível em:
<http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-
20032008000100002&lng=en&nrm=iso>. Acesso em set. 2014.
POGGI, A. Social Exclusion in Spain: Measurement Theory and Application. PhD Thesis,
Universitat Autonoma de Barcelona, Spain, 2004.
PROGRAMA DAS NAÇÕES UNIDAS PARA O DESENVOLVIMENTO - PNUD. Atlas do
Desenvolvimento Humano do Brasil, 2013. Disponível em: < http://www.pnud.org.br/atlas/>.
Acesso em: jun. 2014.
______. Poverty in the human develoment pespectiv: concept end meansurement. In: devolopment
Report 1997. Disponível em: http://hdr.undp.org/en/reports/global/hdr1997/. Acesso em: set. 2014.
REIS, E.; SCHWARTZMAN, S. Pobreza e exclusão social - aspectos sócio políticos. Rio de
Janeiro, 2002.
ROCHA, S. Pobreza no Brasil: a evolução de longo prazo (1970-2011). Estudos e pesquisas 492.
XXV Fórum Nacional: Rio de janeiro, maio/2013.
SEN, A. K. Desenvolvimento Como liberdade. Trad. Laura Teixeira Mota. Rev. tec. Ricardo
Doniselli Mendes. 6ª reimp. São Paulo: Companhia das Letras, 2000.
BAHIA. Evolução e caracterização das manchas de pobreza na Bahia (1991-2000). Salvador:
SEI, 2008.
TOWNSEND, P. The Meaning of Poverty. The British Journal of Sociology, vol.13. N.3, p. 210-
227, 1962.
ResearchGate has not been able to resolve any citations for this publication.
Article
Full-text available
There has been a lot of debate on the space distribution of poverty. disaggregated the map, the better the evidence of poverty; aggregated national-level poverty data may obscure regional variation and can bias public policies to fight poverty. Ceara State has its poverty (measured by the headcount index and by the human poverty index) distributed in a heterogeneous way throughout its territory, which is corroborated by the maps of poverty displayed in this paper. The hypotheses that there is a cluster of misery in Ceara State and that some towns went through a contagious diffusion between 1991 and 2000 are confirmed when using the data supplied by IPEADATA for the years 1991 and 2000. The corroboration was possible thank to the use of spatial econometrics tools.
Article
Full-text available
This paper does a spatial analysis of crime in Rio Grande do Sul. It presents a spatial econometric model for criminality determinants. The model follows main contributions to the economics of crime, but it includes contributions from the ecological approach and social learning. In the model, the criminality in cities can be explained by local characteristics, and the environment, the neighborhood and the individual’s history affect the criminality. The paper uses aggregate city data for homicides, robberies and thefts in a cross-sectional model for the year of 2000. The findings show the existence of spatial dependence in robberies and thefts and spatial independence in homicides. The paper emphasizes the role of income inequality and of urban agglomerations as factors that increments the criminality in cities. It also discusses the importance of family and schooling on explaining criminality. It shows that problems in the family structure and in schooling affect the crimes positively. The benefits of crime and opportunity costs are separated, which allows concluding that economic growth does not increase criminality. This happens if there is an increase in the income of the poorest, leading to a fall in criminality.
Article
Full-text available
eletronica/index.cfm?FuseAction=Artigo&ID=1178&Secao=PÚBLICA&Volume=1&Numero=2& Ano=2002 ©Copyright, 2002, RAE-eletrônica. Todos os direitos, inclusive de tradução, são reservados. É permitido citar parte de artigos sem autorização prévia desde que seja identificada a fonte. A reprodução total de artigos é proibida. Os artigos só devem ser usados para uso pessoal e não-comercial. Em caso de dúvidas, consulte a redação: redacao@rae.com.br. A RAE-eletrônica é a revista on-line da FGV-EAESP, totalmente aberta e criada com o objetivo de agilizar a veiculação de trabalhos inéditos. Lançada em janeiro de 2002, com perfil acadêmico, é dedicada a professores, pesquisadores e estudantes. Para mais informações consulte o site www.rae.com.br/eletronica.
Article
Full-text available
Este trabalho analisa a convergência espacial da produtividade agrícola da terra para as microrregiões brasileiras entre o período de 1991 a 2003. Tal análise avalia se há evidências para a existência de convergência b da produtividade agrícola, controlando-se explicitamente para efeitos espaciais. Para tanto, conduziu-se preliminarmente uma análise exploratória de dados espaciais, que detectou a presença de autocorrelação espacial para a produtividade da terra. Numa etapa posterior, desenvolveram-se modelos econométricos espaciais para a análise da convergência.
Article
Full-text available
The poverty, in welfare economics, is understood as a situation of privation of goods. In one hand, poverty can be understood in way entirely related with the income privation. This approach has the advantage to allow an easy mensuration, for the definition of poverty lines that indicate the minimum level of income so that the individuals can satisfy its basic necessities. However, the definition of these necessities always involves some degree of subjectivity, beyond that they can vary substantially between different societies. Thus, more recently a multidimensional boarding was developed to deal with the poverty. In this vision, welfare is associated with the acquisition of capacities, which mention a multidimensionality of related factors to well-being, so that the individuals reach its necessities. However, its mensuration involves the definition of complex indicators, over which there is no consensus in the literature. The present essay aims to identify the contributions, advantages and limitations of each one of these theoretical and methodological sources.